[发明专利]异常用户识别方法、装置、电子设备及存储介质

权利要求书

1.一种异常用户识别方法，其特征在于，包括：

基于多个待识别用户的特征数据，对所述多个待识别用户进行多次第一聚类操作，得到多次第一聚类操作的聚类结果；其中，所述多次第一聚类操作的聚类中心的数量按照预设值确定；

根据所述多次第一聚类操作的聚类结果，计算所述多个待识别用户各自的固定系数；

根据待识别用户的固定系数与预先设定的异常用户判断阈值的比较结果，确定待识别用户为异常用户或正常用户；

其中，所述根据所述多次第一聚类操作的聚类结果，计算所述多个待识别用户各自的固定系数，具体包括：

计算第一待识别用户在所述多次第一聚类操作的不同聚类结果中所属类的聚类中心之间的相似度；

根据第一待识别用户在所述多次第一聚类操作的不同聚类结果中所属类的聚类中心之间的相似度，为所述第一待识别用户计算固定系数；

所述第一待识别用户为所述多个待识别用户中的任意一个用户；所述固定系数用于反映第一待识别用户在所述多次第一聚类操作的不同聚类结果中的稳定性，所述固定系数的计算公式为：

其中，score表示第一待识别用户的固定系数；N表示所述多次第一聚类操作的次数；n_i表示第i次第一聚类时第一待识别用户所属类中的所有节点的个数，n_j表示第j次第一聚类时第一待识别用户所属类中的所有节点的个数；C_i表示第i次第一聚类时第一待识别用户所属类的聚类中心，C_j表示第j次聚类时第一待识别用户所属类的聚类中心；corr(C_i，C_j)表示聚类中心C_i与聚类中心C_j之间的相似度。

2.根据权利要求1所述的异常用户识别方法，其特征在于，在对所述多个待识别用户进行多次第一聚类操作之前，方法还包括：

对所述多个待识别用户进行多次第二聚类操作，根据所述多次第二聚类操作的聚类结果的轮廓系数，为所述第一聚类操作设置聚类中心的数量。

3.根据权利要求1所述的异常用户识别方法，其特征在于，所述相似度计算公式为：

其中，表示第i次第一聚类时第一待识别用户所属类中的所有节点的平均值，表示第j次第一聚类时第一待识别用户所属类中的所有节点的平均值；C_i是以向量形式表示的聚类中心，C_ix表示向量C_i的第x个值，C_jx表示向量C_j的第x个值；t表示向量C_i的维度。

4.根据权利要求2所述的异常用户识别方法，其特征在于，所述对所述多个待识别用户进行多次第二聚类操作，根据所述多次第二聚类操作的聚类结果的轮廓系数，为所述第一聚类操作设置聚类中心的数量包括：

对多个待识别用户进行多次第二聚类操作，在其中任意一次第二聚类操作时，将聚类中心数量值的大小设置为与之前进行的第二聚类操作的聚类中心数量值大小不同的值，然后按照所设置的聚类中心数量值进行第二聚类操作，对所得到的聚类结果计算轮廓系数；

将第一轮廓系数所对应的聚类中心数量值设置为所述第一聚类操作的聚类中心的数量；其中，第一轮廓系数为大于预先设定的轮廓系数阈值的轮廓系数。

5.根据权利要求4所述的异常用户识别方法，其特征在于，所述对所得到的聚类结果计算轮廓系数包括：

计算聚类结果中第一节点与第一类中除所述第一节点之外的其他节点之间的平均距离；其中，所述第一节点为聚类结果中的任意一个节点；所述第一类为第一节点所属的类；

根据聚类中心之间的距离选取与所述第一类距离最近的第二类；

计算第一节点与所述第二类中所有节点的平均距离；

根据第一节点与所述第一类中除所述第一节点之外的其他节点之间的平均距离，以及第一节点与所述第二类中所有节点的平均距离，计算第一节点的轮廓系数；

计算第一类中除第一节点外的其他节点的轮廓系数，进而计算所述第一类的轮廓系数；

计算聚类结果中各个类的轮廓系数，进而计算所述聚类结果的轮廓系数。